Previsão do Abate de Frangos: Uma Investigação Comparativa da Aplicação de Redes Neurais / Broiler Slaughter Prediction: A Comparative Investigation of the Application of Neural Networks

Resumen

O presente trabalho tem como objetivo comparar modelos, baseados em redes neurais recorrentes, para a previsão da quantidade de frangos abatidos no Brasil. A base de dados, disponibilizada pelo Instituto de Pesquisa Econômica Aplicada (IPEA), apresenta uma série histórica do abate de frangos, no período entre 2005 e 2022. Modelos de previsão, baseados em Redes Neurais LSTM (Long Short-Term Memory) e GRU (Gated Recurrent Unit), foram implementados, na linguagem Python, utilizando a biblioteca PyTorch. Resultados obtidos, dos dois modelos, foram comparados por meio da métrica MAPE (Mean Absolute Percent Error). Verificou-se, para um horizonte de cinco meses, que o modelo GRU apresentou um melhor desempenho que o modelo LSTM.

Palavras-chave: MAPE. Python. Redes LSTM. Redes GRU.

ABSTRACT

The present work aims to evaluate models, based on recurrent neural networks, to predict the amount of broiler slaughtered in Brazil. The database, made available by the Institute for Applied Economic Research (IPEA), presents a historical series of broiler slaughter, in the period between 2005 and 2022. Forecast models, based on LSTM Neural Networks (Long Short-Term Memory) and GRU (Gated Recurrent Unit), were implemented, in the Python language, using the PyTorch library. Results obtained from the two models were compared using the MAPE (Mean Absolute Percent Error) metric. It was verified, for a horizon of five months, that the GRU model presented a better performance than the LSTM model.

Keywords: MAPE. Python. LSTM networks. GRU networks.